TA的首页Kappa 分析摘要
一般把Kappa值列为非参数统计(检验)方法参数统计:
在统计推断中，如总体均数的区间估计、两个或多个均数的比较、相分析和回归系数的假设检验等，大都是假定样本所来自的总体分布为已知的函数形式，但其中有的参数为未知，统计推断的目的就是对这些未知参数进行估计或检验。这类统计推断方法称为参数统计。
在许多实际问题中，总体分布函数形式往往不知道或者知道的很少，例如只知道总体分布是连续型的或离散型的，这时参数统计方法就不适用，此时需要借助另一种不依赖总体分布的具体形式的统计方法，也就是说不拘于总体分布，称为非参数统计或分布自由统计。
参数统计：样本来自的总体分布型是已知的(如正态分布)，在这种假设基础上，对总体参数进行估计或检验。若总体非正态，则样本例数必须充分多，或经过各种变换(对数、开方、角度……)，使之近似正态分布，再进行估计和检验。?非参数统计：
未知研究总体的分布，或已知总体分布与检所要求的条件不符时，称非参数统计。?优点：
① 不受总体分布的限定，适用范围广，对数据的要求不像参数检验那样严格，不论研究的是何种类型的变量。
② 包括那些难以测量，只能以严重程度优劣等级、次序先后等表示的资料，或有的数据一端或两端是不确定数值，例如“>50mg”，或“0.5mg以下”等。
③ 易于理解和掌握。
④ 计算简单，在急需结果时可采用。?
缺点：
① 比起参数估计来显得比较粗。
② 对适宜参数分析方法的资料若用非参数法处理，常损失部分信息、降低效率。
③虽然许多非参法计算简便，但不少方法计算仍繁杂。
?非参数适用于：
① 检验假设中没有包括总体参数。
② 资料不具备参数方法所需条件。
③ 计算简单实验未结束，急需知道初步结果。
④ 用于等级资料或某些计数资料。
非参数统计方法:
一、Ridit分析 (relative to an indentified distribution)
二、?秩和检验： N-1?ni［Ri-(N+1)/2］2
三 一致性检验：?Kappa
临床试验研究中把重复观察的一致性分为：
(1) 同一医务者对同一患者进行两次以上观察，?
(2) 两个及两个以上医务者对同一对象进行观察。
? Po- Pe统计量：Kappa = -------------? 1–Pe
Po：实际观察的一致率 ΣA 实际观察一致数Po = ----- = ----------------------
N 总检查人数
Pe：期望一致率(两次检查结果由于偶然机会所造成的一致性)?Kappa取值在［-1，+1］之间, 其值的大小均有不同意义.Kappa = +1 说明两次判断的结果完全一致?Kappa = -1 说明两次判断的结果完全不一致?Kappa = 0 说明两次判断的结果是机遇造成?Kappa < 0 说明一致程度比机遇造成的还差，两次检查结果很不一致，但在实际应用中无意义?Kappa > 0 此时说明有意义，Kappa愈大，说明一致性愈好?Kappa≥0.75 说明已经取得相当满意的一致程度Kappa<0.4 说明一致程度不够理想
Kappa 统计量
是为了评价者之间比较的统计量,使用于标准和评价者之间的测量结果精确性或评价者之间测量结果的一致性判定.
假设验证
H0 : 对全体 范畴评价者 间的 意见 一致是依据偶然的.
H1 : 对全体 范畴评价者 间的 意见 一致是非依据偶然的. 对个别 范畴的假设(H0 :对范畴 j的 评价者间的 意见 一致是依据偶然的)验证也可以Kappa 统计量的意思解释
Kappa à= 1 评价者间的意见完全一致
Kappa à= 0评价者间的意见一致程度是依据偶然的
Kappa à< 0评价者 间的意见一致程度还不如依据偶然的
Kendall的 一致系数(Kendall’s coefficient of concordance)在对n 个评价对象物(试料) 付与顺序的 m名评价者之间判断意见是否一致时使用连贯性的标准主要用于评价对象物之间有顺序,不知 Standard值时, 从0到 1的值假设 验证H0 : m名的 评价者之间的 意见 不一致H1 : m名的 评价者之间的 意见 一致验证 统计量是 跟随相似自由度n-1的 Chi-Square 分布 Kendall的 相关系数(Kendall’s , tau)icorrelation coefficient, 对n个评价对象物(试料) 付与顺序的 m名评价者于 标准之间的意见(顺序评价 结果) 一致与否确认时 使用的连贯性的标准主要用于评价对象物间既有顺序,又知道 Standard值时i (tau) = 1 : 标准和 评价者之间的意见(顺序评价结果)完全 一致 (tau) = -1 : 标准和 评价者 之间的i 意见(顺序评价结果)完全不一致 (tau) = 0 : 标准和 评价者 之间的 意见(顺序评价结果)没有任何关联i假设 验证
H0 : 标准和 评价者 之间的 顺序 评价 结果是没有关联.H1 : 评价者的 顺序 评价 结果和标准的 顺序 评价 结果有关联验证 统计量是近似标准正态分布
Kappa/ Kendall/区别Kappa 统计量也是进行评价者和 标准之间的 意见(顺序 评价 结果) 是否一致的评价时使用. 差异点在于 Kendall的 相关系数是考虑意见 不불一致的 程度也 ,可Kappa是不考虑不一致的程度.
打个比方 对评价者把Kendall的相关系数是 Standard 顺序为1位的 对象物 评价为2位和 评价为3位和是Standard 值的 1位的 不一致 严重度 互不同的操作, 但是Kappa 统计量是 把严重度定为一样来分析
交叉表(统计上的列联表)记录两组结果一致或不一致的频数
元素所在列和+行合 期望的数量=----------------------------- 总频数书中128页:15.7:A与Ｂ期望都不通过次数＝（Ａ判定为不通的次数总和＊Ｂ判定为不通的总和）／每人判不通的机会原理：对角线相乘应该相等A0B0=AB0(期望)＊每人不通的机会即：4750=xx150 xx=4750/150
总结：
kappa值:是我们在医学研究中常用的用来反映重复性研究中一致性大小的指标
Kappa技术是评估属性测量系统的可重复性和再现性的一种简单方法
kappa值用来衡量两个人对同一物体进行评价时，其评定结论的一致性．1时表示有很好的一致性，为０时表示一致性不比可能性来得好（仅用于此种ＡＢ两人有相同的分类值：通过或拒绝．同时分类数量一致的情况下）
kappa值是一种对评价人内部一致性的衡量，而不考虑他们之间的不一致量有多大．只考虑他们是不是一致．
通常认为Kappa值天于0.75表示评价人之间有很好的一致性，而小于0.40则表示一致性不好．
公式:
Po：P ōbserved= 判断一致性比率（不同作业员之间、同作业员不同次数之间）=(Pass Pass+Fail Fail)/总的检验次数Pe：P chance = 预期偶然达成一致的比率=]/总的检验次数之方
kappa= (P observed-P chance) / (1-P chance) 观测（实际）的两人一致的次数占的机会 - 期望的(独立)两人一致的次数占的机会=-------------------------------------------------------------- 1-期望(独立)的一致次数占的机会 观测到（实际）与期望(独立)的差异=------------------------------------------- 期望(独立)的不一至占的机会
在统计推断中，如总体均数的区间估计、两个或多个均数的比较、相分析和回归系数的假设检验等，大都是假定样本所来自的总体分布为已知的函数形式，但其中有的参数为未知，统计推断的目的就是对这些未知参数进行估计或检验。这类统计推断方法称为参数统计。
在许多实际问题中，总体分布函数形式往往不知道或者知道的很少，例如只知道总体分布是连续型的或离散型的，这时参数统计方法就不适用，此时需要借助另一种不依赖总体分布的具体形式的统计方法，也就是说不拘于总体分布，称为非参数统计或分布自由统计。
参数统计：样本来自的总体分布型是已知的(如正态分布)，在这种假设基础上，对总体参数进行估计或检验。若总体非正态，则样本例数必须充分多，或经过各种变换(对数、开方、角度……)，使之近似正态分布，再进行估计和检验。?非参数统计：
未知研究总体的分布，或已知总体分布与检所要求的条件不符时，称非参数统计。?优点：
① 不受总体分布的限定，适用范围广，对数据的要求不像参数检验那样严格，不论研究的是何种类型的变量。
② 包括那些难以测量，只能以严重程度优劣等级、次序先后等表示的资料，或有的数据一端或两端是不确定数值，例如“>50mg”，或“0.5mg以下”等。
③ 易于理解和掌握。
④ 计算简单，在急需结果时可采用。?
缺点：
① 比起参数估计来显得比较粗。
② 对适宜参数分析方法的资料若用非参数法处理，常损失部分信息、降低效率。
③虽然许多非参法计算简便，但不少方法计算仍繁杂。
?非参数适用于：
① 检验假设中没有包括总体参数。
② 资料不具备参数方法所需条件。
③ 计算简单实验未结束，急需知道初步结果。
④ 用于等级资料或某些计数资料。
非参数统计方法:
一、Ridit分析 (relative to an indentified distribution)
二、?秩和检验： N-1?ni［Ri-(N+1)/2］2
三 一致性检验：?Kappa
临床试验研究中把重复观察的一致性分为：
(1) 同一医务者对同一患者进行两次以上观察，?
(2) 两个及两个以上医务者对同一对象进行观察。
? Po- Pe统计量：Kappa = -------------? 1–Pe
Po：实际观察的一致率 ΣA 实际观察一致数Po = ----- = ----------------------
N 总检查人数
Pe：期望一致率(两次检查结果由于偶然机会所造成的一致性)?Kappa取值在［-1，+1］之间, 其值的大小均有不同意义.Kappa = +1 说明两次判断的结果完全一致?Kappa = -1 说明两次判断的结果完全不一致?Kappa = 0 说明两次判断的结果是机遇造成?Kappa < 0 说明一致程度比机遇造成的还差，两次检查结果很不一致，但在实际应用中无意义?Kappa > 0 此时说明有意义，Kappa愈大，说明一致性愈好?Kappa≥0.75 说明已经取得相当满意的一致程度Kappa<0.4 说明一致程度不够理想
Kappa 统计量
是为了评价者之间比较的统计量,使用于标准和评价者之间的测量结果精确性或评价者之间测量结果的一致性判定.
假设验证
H0 : 对全体 范畴评价者 间的 意见 一致是依据偶然的.
H1 : 对全体 范畴评价者 间的 意见 一致是非依据偶然的. 对个别 范畴的假设(H0 :对范畴 j的 评价者间的 意见 一致是依据偶然的)验证也可以Kappa 统计量的意思解释
Kappa à= 1 评价者间的意见完全一致
Kappa à= 0评价者间的意见一致程度是依据偶然的
Kappa à< 0评价者 间的意见一致程度还不如依据偶然的
Kendall的 一致系数(Kendall’s coefficient of concordance)在对n 个评价对象物(试料) 付与顺序的 m名评价者之间判断意见是否一致时使用连贯性的标准主要用于评价对象物之间有顺序,不知 Standard值时, 从0到 1的值假设 验证H0 : m名的 评价者之间的 意见 不一致H1 : m名的 评价者之间的 意见 一致验证 统计量是 跟随相似自由度n-1的 Chi-Square 分布 Kendall的 相关系数(Kendall’s , tau)icorrelation coefficient, 对n个评价对象物(试料) 付与顺序的 m名评价者于 标准之间的意见(顺序评价 结果) 一致与否确认时 使用的连贯性的标准主要用于评价对象物间既有顺序,又知道 Standard值时i (tau) = 1 : 标准和 评价者之间的意见(顺序评价结果)完全 一致 (tau) = -1 : 标准和 评价者 之间的i 意见(顺序评价结果)完全不一致 (tau) = 0 : 标准和 评价者 之间的 意见(顺序评价结果)没有任何关联i假设 验证
H0 : 标准和 评价者 之间的 顺序 评价 结果是没有关联.H1 : 评价者的 顺序 评价 结果和标准的 顺序 评价 结果有关联验证 统计量是近似标准正态分布
Kappa/ Kendall/区别Kappa 统计量也是进行评价者和 标准之间的 意见(顺序 评价 结果) 是否一致的评价时使用. 差异点在于 Kendall的 相关系数是考虑意见 不불一致的 程度也 ,可Kappa是不考虑不一致的程度.
打个比方 对评价者把Kendall的相关系数是 Standard 顺序为1位的 对象物 评价为2位和 评价为3位和是Standard 值的 1位的 不一致 严重度 互不同的操作, 但是Kappa 统计量是 把严重度定为一样来分析
交叉表(统计上的列联表)记录两组结果一致或不一致的频数
元素所在列和+行合 期望的数量=----------------------------- 总频数书中128页:15.7:A与Ｂ期望都不通过次数＝（Ａ判定为不通的次数总和＊Ｂ判定为不通的总和）／每人判不通的机会原理：对角线相乘应该相等A0B0=AB0(期望)＊每人不通的机会即：4750=xx150 xx=4750/150
总结：
kappa值:是我们在医学研究中常用的用来反映重复性研究中一致性大小的指标
Kappa技术是评估属性测量系统的可重复性和再现性的一种简单方法
kappa值用来衡量两个人对同一物体进行评价时，其评定结论的一致性．1时表示有很好的一致性，为０时表示一致性不比可能性来得好（仅用于此种ＡＢ两人有相同的分类值：通过或拒绝．同时分类数量一致的情况下）
kappa值是一种对评价人内部一致性的衡量，而不考虑他们之间的不一致量有多大．只考虑他们是不是一致．
通常认为Kappa值天于0.75表示评价人之间有很好的一致性，而小于0.40则表示一致性不好．
公式:
Po：P ōbserved= 判断一致性比率（不同作业员之间、同作业员不同次数之间）=(Pass Pass+Fail Fail)/总的检验次数Pe：P chance = 预期偶然达成一致的比率=]/总的检验次数之方
kappa= (P observed-P chance) / (1-P chance) 观测（实际）的两人一致的次数占的机会 - 期望的(独立)两人一致的次数占的机会=-------------------------------------------------------------- 1-期望(独立)的一致次数占的机会 观测到（实际）与期望(独立)的差异=------------------------------------------- 期望(独立)的不一至占的机会
RSS Feed